✦
医学科研新动向
✦
Positive association between Internet use and mental health among adults aged ≥50 years in 23 countries
Nature Human Behaviour
<2024年11月18日>
研
究
背
景
全球老龄化进程加快导致心理健康问题在50岁及以上人群中日益突出，尤其是抑郁症状和生活满意度下降等问题对个人及社会产生重大影响。尽管传统干预手段如心理治疗和药物治疗在一定程度上缓解了老年心理健康负担，但由于资源分布不均和社会支持不足，探寻新的干预路径成为研究重点。近年来，互联网因其在信息传播、社交网络维持和服务可及性方面的优势，被认为可能有助于改善心理健康。然而，现有研究存在以下不足：
跨文化效应不明确：大部分研究集中于单一国家，忽视不同文化背景下互联网使用对心理健康的异质性效应。
基因与环境交互作用研究缺乏：尚无深入研究探讨遗传风险如何调节互联网使用对心理健康的影响。
使用模式的动态性：不同频率及持续性互联网使用对心理健康的潜在长期影响未被充分研究。基于此，本研究旨在通过整合23个国家的大规模纵向数据，系统评估互联网使用与心理健康的关联，并探讨个体特征和遗传背景对这一关系的调节作用。
研究设计
数据来源
本研究整合了六个老龄化队列的数据，覆盖美国、英国、欧洲、中国、墨西哥和巴西共23个国家，包含87,559名受试者，累计298,199次观察，平均随访时间为6年。
队列包括：美国HRS、英国ELSA、欧洲SHARE、中国CHARLS、墨西哥MHAS、巴西ELSI。
研究对象：50岁及以上的老年人。
主要指标：抑郁症状（CES-D评分）、生活满意度（标准化问卷评分）、自评健康状态。
关键变量
自变量：互联网使用（基线、使用频率、累计使用）。
因变量：抑郁症状、生活满意度、自评健康。
协变量：人口统计学特征（年龄、性别等）、社会经济地位（教育水平、收入等）、健康行为（吸烟、饮酒等）和慢性病状态。
分析方法
线性混合模型（Linear Mixed Models, LMM）：用于处理重复测量数据，估计互联网使用对心理健康的边际平均效应（AME）。
个体参与数据荟萃分析（IPD Meta-analysis）：整合各国家数据，生成总体效应估计，并评估国家间异质性（I²和τ²）。
多基因风险评分（Polygenic Risk Score, PRS）：评估基因对互联网使用与心理健康关联的调节作用。
广义方程法（Parametric G-formula）：调整时间变化混杂因素，评估互联网使用对长期心理健康的因果效应。
核心结果
1：基线互联网使用与心理健康
抑郁症状：互联网使用与抑郁症状评分显著负相关（AME = -0.09, 95% CI: -0.12 to -0.07），表明互联网使用者的抑郁症状更少。国家间差异显著，例如丹麦和瑞典效应最强，而中国和巴西效应较弱。 生活满意度：互联网使用者的满意度评分更高（AME = 0.07, 95% CI: 0.05 to 0.10）。 自评健康：互联网使用与更高的自评健康状态相关（AME = 0.15, 95% CI: 0.12 to 0.17），效应在欧洲国家更为明显。
2：互联网使用频率与心理健康
抑郁症状：每日使用互联网者的抑郁症状显著减少，尤其在美国（AME = -0.23, 95% CI: -0.32 to -0.15）和中国（AME = -0.11, 95% CI: -0.19 to -0.02）。
生活满意度：频繁使用互联网在中国（AME = 0.06, 95% CI: -0.14 to 0.25）和美国（AME = 0.03, 95% CI: -0.06 to 0.11）有积极作用，但英国的效果为负值（AME = -0.22, 95% CI: -0.31 to -0.12）。
3：累计互联网使用与心理健康
1）累计互联网使用对心理健康指标表现出显著的正向效应：
抑郁症状：每增加一个使用波次，抑郁症状评分显著降低（AME = -0.06, 95% CI: -0.09 to -0.04, I² = 77.54%）。
生活满意度：累计使用显著提高生活满意度（AME = 0.05, 95% CI: 0.03 to 0.07, I² = 75.15%）。
自评健康：与生活满意度类似，累计互联网使用的波次越多，自评健康评分越高（AME = 0.10, 95% CI: 0.09 to 0.11, I² = 47.23%）。
2）国家间的差异
高收入国家：如瑞士和丹麦，长期互联网使用对心理健康的影响更为显著。这可能与高普及率和高水平数字素养相关。
低收入国家：如墨西哥和中国，累计使用的效应较弱，可能受限于数字基础设施和互联网的使用目的。
文化背景的作用：一些国家（如英国和波兰）尽管互联网普及率高，但其长期使用对生活满意度的贡献较低，可能受限于个体的互联网使用类型（如主要用于工作而非社交）。
3）动态趋势
通过G-formula方法进一步分析发现：
中国：累计使用的效果尤为显著，抑郁症状平均减少高达 -0.70（MD, 95% CI: -0.94 to -0.46），反映互联网可能为资源不足地区的老年人提供重要心理支持。
欧洲国家：尽管累积效应存在，但抑郁症状改善幅度更小，可能因为社会支持体系较完善，互联网的相对增益较低。
4：基因-环境交互作用
1）基因风险与互联网使用的关系
基因风险基于多基因风险评分（PRS）进行分组，评分包含对抑郁症状和主观幸福感的遗传风险预测：
抑郁症风险：
高风险组中，互联网使用显著减少抑郁症状（AME = -0.11, 95% CI: -0.14 to -0.08）。
中等风险组的改善效应相对较小（AME = -0.07, 95% CI: -0.10 to -0.04）。
主观幸福感：
互联网使用对高主观幸福感遗传风险组的生活满意度改善尤为显著（AME = 0.12, 95% CI: 0.09 to 0.15）。
2）国家间比较
在仅有基因数据的美国和英国：
英国：基因风险高的群体受益最明显，尤其在缓解生活满意度下降方面，显著交互效应（P = 0.032）。
美国：抑郁症的遗传风险与互联网使用之间的交互效应更为显著，显示互联网可以部分缓解遗传风险的心理健康负担。
3）理论机制
社会连结假说：高基因风险个体更易感受到孤独，而互联网提供了有效的社交替代路径。
信息获取效应：高基因风险组可能更需要健康相关知识，互联网帮助其提升自我效能感。
5：敏感性分析
敏感性分析验证了主结果的稳健性，同时揭示了某些潜在的双向关系和限制条件。
1） 完整性分析
排除基线时已有抑郁症状的参与者后，结果仍然一致：
互联网使用者患抑郁症的风险显著降低（HR = 0.85, 95% CI: 0.79 to 0.91）。
抑郁症状的评分在使用互联网的群体中持续下降，且对首次使用的波次尤其敏感。
2） 样本异质性
排除基因数据缺失的国家（如墨西哥和中国）后，主结果的效应值略有增强，尤其是在生活满意度和自评健康方面。
分析显示样本异质性对结果的影响主要体现在基线健康状态和互联网普及率的差异。
3）双向关系
在随访期间，心理健康状态较差的个体更可能减少互联网使用，反映互联网使用与心理健康之间的关系可能是双向的。
进一步分析建议，心理健康改善可能促进持续的互联网参与，从而形成正反馈效应。
小
结
累计互联网使用具有显著的长期心理健康改善效应，且这一效应在低收入国家更加显著。 基因风险调节了互联网使用对心理健康的影响，显示互联网可能对遗传风险高的个体具有缓冲作用。 敏感性分析证实了研究的稳健性，并揭示了互联网使用和心理健康间可能存在的复杂双向关系。
Nature Human Behaviour IF (21.4) | 打破贫困与精神疾病的循环：孟德尔随机化揭示双向因果关系
-END-
文字丨本人点滴积累，如有补充，下方留言即可
（后台回复“241119”即可获取全文）
